成对点云对应关系优化的点云配准算法

梁 宏

(江西理工大学 土木与测绘工程学院, 江西 赣州 341000)

三维点云配准问题是计算机视觉[1]、逆向工程[2]和三维重建[3]等领域的一项关键技术，在三维物体的激光扫描测量中，为了完整地表示该物体详细信息需要从不同角度对物体进行扫描，因此必须对多组点云数据进行配准来得到完整的点云。本质上是通过计算基准帧与非基准帧的变换矩阵，把非基准帧的坐标系转换到基准帧的坐标系下。

快速精确的点云配准是三维建模研究的热点和重点，目前已有多种解决点云配准问题的算法。Besl等[4]提出了迭代最近点算法(ICP)，它是目前应用最广最为经典的配准算法，中外学者提出了一系列改进[5-7]，这些算法在点云变换的幅度较小时配准精度较高，但是对配准初始条件要求较高,否则容易陷入局部最优。因此，研究学者大多先采用初始配准获得良好的初始配准位置，再采用ICP算法进行精确配准。目前，通过扫描对象表面的局部几何特征寻找点云间点与点对应关系是目前点云配准的研究热点之一。常用的 3D特征描述子有旋转图像(spin image)[8]、点特征直方图(PFH)及改进的快速点特征直方图(FPFH)[9-10]、旋转投影统计(RoPs)[11]等，但对于稠密的点云，计算每个点的特征描述子常与特征点相结合。陆军等[12]根据不同邻域半径估算的法向量的方向偏差选择特征点，并依据点云多法向量邻域特征进行配准；舒程珣等[13]将点云转化为深度图像，再利用卷积神经网络进行配准；胡修祥等[14]结合 NARF 特征点与 FPFH 特征描述子获得良好的初始位置，再利用 3D-NDT 进行精确配准；……